- •Федеральное государственное бюджетное образовательное учреждение
- •1. Методологические основы научного познания и творчества
- •Формулирование цели и постановка задач исследования
- •2. Теоретические и эмпирические методы исследования
- •Методика планирования экспериментального исследования
- •Тема 3. Изучаемые вопросы: Методика планирования экспериментального исследования; Цель планирования экспериментального исследования; Определение объема выборки методом проверки статистических гипотез.
- •Оборудование для задания тестовых режимов
- •Измерительные приборы и системы, используемые при проведении научных исследований
- •Измерение сил с помощью тензорезисторного моста
- •Тарировка тензометрических измерителей силовых параметров
- •Измерение давления
- •Измерение интервалов времени
- •Измерение скорости вращения
- •Измерение угла поворота вала
- •Измерение температуры
- •Термопреобразователи сопротивления
- •Анализ температурных полей
- •Гироскопический метод измерения углов
- •Измерение расхода топлива расходомером поршневого типа
- •Оборудование для визуализации результатов измерений
- •Тема 6. Изучаемые вопросы: Принцип работы электронно-лучевого осциллографа; Калибровка электронно-лучевого осциллографа.
- •Аналого-цифровое преобразование измеряемых сигналов
- •Тема 7. Изучаемые вопросы: Числовой код и представление чисел в виде двоичного кода; Принцип аналого-цифрового преобразования.
- •Метрологические характеристики аналого-цифрового преобразования
- •Теория и методология научно-технического творчества
- •Статистические характеристики
- •Аналитические научные исследования на автомобильном транспорте
- •Аппроксимация данных с использованием метода наименьших квадратов
- •Построение трендовых моделей при помощи диаграмм
- •Регрессионный анализ
- •Тема 11. Изучаемые вопросы. Методика проведения регрессионного анализа; Построение модели множественной регрессии в среде mikrosoft excel.
- •Пример использования множественной линейной регрессии
- •Контрольные вопросы
- •Список основной литературы:
- •Список дополнительной литературы:
- •Оглавление
- •Основы научных исследований Учебно-методическое пособие
- •Иркутский государственный технический университет
- •664074, Иркутск, ул. Лермонтова, 83
Аппроксимация данных с использованием метода наименьших квадратов
ТЕМА 10. Изучаемые вопросы: Построение трендовых моделей при помощи диаграмм в среде MIKROSOFT EXCEL; Коэффициент достоверности аппроксимации R2
Аппроксимация данных функции методом наименьших квадратов
Цель: Построить кривые, аппроксимирующие с заданной точностью исходные данные, полученные в ходе экспериментального исследования.
В качестве исходных данных имеем значения ежемесячного износа тормозных колодок автомобиля. Исходные данные представлены в виде, графика (рис. 32) состоящего из 10 результатов измерений износа (по месяцам).
Рис.32. График износа тормозных колодок автомобиля (по месяцам года)
Рассматриваемый процесс колебания ежемесячного износа тормозных колодок имеет моменты пиков и спадов. Это объясняется тем что, износ нестабилен по времени, так как зависят от пробега, климатических и дорожных условий и т.п., а значит, является случайной величиной. В связи с этим удобней будет работать с аппроксимированными параметрами модели.
Аппроксимацию выполним методом наименьших квадратов.
Пусть …,- последовательность линейно-независимых функций на [a,b]. Аппроксимирующую функциюбудем представлять в виде:
(56)
где с1,с2,…..,сn - неизвестные параметры функции .
Тогда, согласно методу наименьших квадратов, функционал J, имеющий смысл суммы квадратов отклонений аппроксимирующей функции от результатов измеренийв заданных точках запишется в виде:
(57)
и параметры с1,с2,…..,сn будем выбирать из условия минимума этого функционала, т.е.
, j=1,n. (58)
(59)
или
, j=1,n (60)
Последнее выражение можно записать в виде системы линейных алгебраических уравнений относительно неизвестных параметров с1,с2,…..,сn .
(61)
или в матричной форме:
, (62)
где: A – симметрическая матрица порядка n; – n мерный вектор-столбец свободных членов;– n мерный вектор-столбец неизвестных параметров, которые можно представить в виде:
, (63)
, (64)
(65)
Таким образом, задача нахождения параметров аппроксимирующей функции (42) сводится к решению системы линейных алгебраических уравнений (48). Это можно сделать двумя способами:
либо искать решение системы (45);
либо находить матрицу , обратную матрице A, тогда
(66)
В большинстве случаев (в зависимости от вида конкретных матриц) при аппроксимации удобно придерживаться второго пути. В качестве последовательности …,- взяты величины: (1,X, X2, …….Xn).
Построение трендовых моделей при помощи диаграмм
Многие экспериментальные данные можно интерпретировать как временные ряды - последовательность измерений, полученных в определенные моменты времени ti, где i - порядковый номер измерения на оси времени. Такие ряды характеризуются некоторой тенденцией развития процесса во времени и называются трендовыми. Используя трендовые модели, можно выдавать прогнозы на краткосрочный и среднесрочный периоды. Excel имеет средства для создания трендовых моделей встроенные в построитель диаграмм.
Одной из форм трендовых моделей при постоянном шаге по времени является линейная модель:
(67)
В качестве примера используем данные о динамике изменения числа автомобилей в АТП с 2000 по 2010 гг. Знание этой динамики позволяет планировать развитие АТП и его инфраструктуры на перспективу. Исходные данные приведены в таблице 3. Таблица 3.
Порядок расчетов следующий.
Выделить диапазон B2:B12 и построить по этим данным диаграмму типа "График", щелкнув по значку "Мастер диаграмм" на панели инструментов.
Выделить диаграмму и выполнить Диаграмма/Добавить линию тренда.
В окне "Линия тренда" открыть вкладку "Параметры" и установить флажки "Показывать уравнение на диаграмме" и "Поместить на диаграмму величину достоверности аппроксимации".
На вкладке "Тип" выбрать тип диаграммы – линейная и нажать Ok. Результаты показаны на рисунке.
Вычислить по формуле y = 23,818x + 105,82. Следует учесть, что аргументом трендовой модели является порядковый номер, т.е. в нашем примере x=12. В результате получим прогноз на 2011 год: 391 автомобиль.
Коэффициент достоверности аппроксимации R2 показывает степень соответствия трендовой модели исходным данным. Его значение может лежать в диапазоне от 0 до 1. Чем ближе R2 к 1, тем точнее модель описывает имеющиеся данные.
Возможно, что более точный прогноз был бы получен с помощью степенной или экспоненциальной линий тренда. Поэтому рассмотрим еще один пример использования нелинейного тренда.
В процессе изменения угла опережения зажигания у двигателя автомобиля ГАЗ-3307 контролировали часовой расход топлива. Регулировку выполняли на стенде тяговых качеств. Значения угла опережения зажигания Х и значения часового расхода топлива записывали в таблицу 4.
Таблица 4.
Х |
1 |
2 |
3 |
4 |
5 |
6 |
7 |
41 |
25 |
20 |
19 |
27 |
41 |
68 |
После чего результаты измерений были занесены в таблицу 5 среды Microsoft Excel:
Таблица5.
Рис. 33. Внешний вид таблицы 1 в среде Microsoft Excel
Выделим диапазон А2:B8 и построим по этим данным диаграмму типа "Точечная", щелкнув по значку "Мастер диаграмм" на панели инструментов.
Рис. 34 Внешний вид графика функции в средеMicrosoft Excel
Выделим диаграмму и выполним Диаграмма/Добавить линию тренда. (см. рис. 35).
Рис. 35. Опция добавления линии тренда на график функции
В окне "Линия тренда" открыть вкладку "Параметры" и установить флажки "Показывать уравнение на диаграмме" и "Поместить на диаграмму величину достоверности аппроксимации" (см. рис. 34 и 35).
Рис. 36. Опция добавления линии тренда на график функции
Рис. 37 Опция добавления уравнения графика функции
На вкладке "Тип" выбрать тип диаграммы – «Полиномиальная» и нажать Ok. Результаты показаны на рисунке 36.
Рис. 38 График и уравнение функции
Полученное уравнение y = 3,9048x2 – 26,952x + 64,143 зависимости часового расхода топлива от величины угла опережения зажигания с достоверностью аппроксимации R2 = 0,9952 позволяет определить оптимальный для данного автомобиля угол опережения зажигания (на уровне 3,5о), обеспечивающий минимум часового расхода топлива.